原创力文档- 1、本文档共7页，可阅读全部内容。
- 2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
- 3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
查看更多
PME
PPMMEE确定贝叶斯先验分布的研究
1 1 2
方兴华 宋明顺 王伟
中国计量学院 经济与管理学院，杭州，3100181
滨州学院，经济与管理学院，滨州，2566002
摘要：讨论了贝叶斯方法中，已知先验信息为随机变量的取值区间关于最佳估计值对称时，
区间上、下界端点确定和不确定两种情况下，利用最大信息熵原理求解先验分布，从而得出
贝叶斯后验分布。得到当区间上、下界端点确定时，先验分布服从均匀分布；而当区间上、
下界端点不确定时，随机变量的概率密度函数服从曲线梯形分布。
关键词：贝叶斯方法，最大信息熵，先验分布
ApplyingtheprincipleofMaximumEntropyinBayesianPrior
AAppppllyyiinnggtthheepprriinncciipplleeooffMMaaxxiimmuummEEnnttrrooppyyiinnBBaayyeessiiaannPPrriioorr
DistributionAssignment
DDiissttrriibbuuttiioonnAAssssiiggnnmmeenntt
Fang Xinghua Song Mingshun WangWei
(CollegeofEconomics and Management, China Jiliang University, P.R.China, 310018)
Abstract
AAbbssttrraacctt Under the prior information that upper and lower bounds of the random quantity are
symmetric with respect to the best estimate, this paper analyses the Bayesian prior distribution
assignment using the principle of maximum entropy (PME). With the exact lower and upper bounds, it
approves uniform for the probability density function (PDF) of the quantity and it has a curvilinear
trapezoidal formforthe inexact lower and upperbounds.
Keywords
KKeeyywwoorrddss Bayesianapproach;Maximumentropy; Priorprobabilitydistribution
Keywords
KKeeyywwoorrddss:Bayesiantheorem;Maximumentropy;Priorprobabilitydistribution
1
11 引言
贝叶斯（Bayesian）方法是现代统计家族的重要成员，其数学原理如下：
观测的样本x x ,,x 是来自带参数θ的X总体
1, 2 n
p( x x ,,x ) p()l( x x ,,x ) (1)
1, 2 n 1, 2 n
其中： p( x x ,,x ) 为后验概率密度函数， p() 为先验概率分布，
1, 2 n
1
l( x x ,,x )为似然函数。
1, 2 n
Bayesian理论的研究主要聚焦在先验分布的获取理论和后验分布的统
文档评论（0）